美國地理空間情報技術變革及陸戰場 作戰支援研究

路 威，趙麗君，王 彬

（1.陸軍工程大學通信工程學院，江蘇 南京 210001；2. 32142部隊，河北 保定 071000）

地理空間情報（GEOINT）是指以精確的地理空間數據為基礎，融合多源情報信息，通過現代信息分析與可視化手段，并綜合利用大數據和人工智能等先進技術，進而挖掘并可視化有價值的地理時空信息或作戰環境情報的學科和技術手段。它將傳統的多源遙感影像、地理數據和各種情報進行有效融合，并通過二維、三維可視化或虛擬現實方法，為指揮員和參謀人員提供更準確的作戰環境信息，能更有效地指導決策制定和行動實施。

2018年和2019年，美國相繼發布了《商業地理空間情報戰略》[1-2]、《AIM倡議-利用機器增強情報戰 略》[3-4]和《國家情報戰略》[5]，明確了未來五年地理空間情報體系的主要任務、具體職責和發展模式，重點強調了軍民融合的情報獲取模式和基于3A技術（人工智能、自動化和增強）的“利用機器增強情報”（AIM）戰略思路，從而確保情報界的戰略競爭信息優勢。本文正是基于上述三份綱領性文件，分析GEOINT的內涵和新一代技術體系，并進一步剖析其在陸戰場作戰保障的主要服務內容和關鍵技術。

1 GEOINT內涵與新一代技術體系

2004年美國對國防部國家影像與測繪局（NIMA）進行改組，成立了國家地理空間情報局（NGA），首次確定了GEOINT的概念，將測繪保障從傳統的地圖制圖拓展到多種測繪產品生產和地理空間情報提供領域，為測繪學科賦予了新的職能。其在2006年發布的《地理空間情報基礎學說1-0》中定義，GEOINT是“對影像與地理空間信息進行開發處理與分析研究，以描述、評估和可視化地表示地球上的物理特性及與地理相關的活動?？臻g地理情報由影像、影像情報和地理空間信息構成”[6-7]。

近年來美軍認為世界戰略環境與戰略威脅日趨多樣化，“多域作戰”、“馬賽克作戰”等[8]新一代作戰理念正發展成熟，將顛覆傳統作戰模式，以跨域、分布、協同、智能、無人、高速為特征的下一代戰爭模式已呼之欲出。這些將對GEOINT系統快速收集、處理、評估、分析數據的能力提出了挑戰。為此，情報部門應高度重視在天基平臺、網絡空間、大數據、人工智能等新興領域尋求顛覆性技術創新，以支持獲取自身的戰略競爭信息優勢，融入了人工智能、大數據、天空一體化內容的GEOINT技術體系將發生重大變化。下面從GEOINT的采集手段、作戰融合、情報挖掘和產品分發四個方面分析其面臨的變革。

1.1 GEOINT情報采集向“馬賽克”模式發展

美軍傳統GEOINT的情報數據主要來源于人工情報、航空情報和地面情報3種模式，其中，各種天基/航空平臺提供的航空情報是主要的情報源。但隨著戰爭環境的多域化發展，當前的天基/航空平臺在覆蓋上已無法滿足快速響應需求，并且現有的商業偵察衛星重量和成本正逐漸減少，性能指標大幅提升，在全球覆蓋成像方面的優勢顯著凸顯。因此，NGA下一步將采用“馬賽克作戰”的理念，將發展重點從過去的高科技平臺轉變為多碎片的網絡化交織集成，即將軍用、商用偵察衛星，高空偵察平臺、無人機遙感勘測、地面單兵勘測等作為系統中獨立的“馬賽克碎片”，通過網絡鏈路將這些“碎片”有機地融合在一起，形成數據互通、彈性組網、靈活機動的網絡化結構體，并針對戰場動態變化進行數據流傳與合作，實現“馬賽克”式的情報獲?。▓D1），達到縮短流傳節點，提高系統可用性的效果，通過網絡化集成產生非線性增長效果，最終重拾戰略情報獲取的“不對稱優勢”。同時明確商業衛星和無人機遙感勘察是最具有發展潛力的“碎片”單元，NGA在未來地理空間情報搜集上將充分添補這兩種方式，實現快響型測繪并提升搜集數據的準確性，為軍方戰爭作戰行動奠定情報基礎。馬賽克情報網的重點是體系的可消耗性和協同共享能力?？上男允侵钙脚_的快速生產和補充能力。傳統的偵察衛星雖然性能先進，但體積龐大而昂貴，生產周期長，體系組網和作戰應用時不具備可消耗性，新型的商業小衛星和無人機平臺，體積小成本低，集群組網、協同智能、成像精度和平臺穩定性逐漸增加，可作為理想、大量消耗的“馬賽克碎片”。協同共享是指體系中的碎片單元通過網絡交織集成，并通過協同意圖、協同策略等具體算法組成“情報協同網”，最終增強體系的情報獲取能力。

圖1 馬賽克情報網架構圖

1.2 情報單元間更強調“增強協同融合”的發展

隨著商業衛星和無人機平臺投入使用，情報的數據將急劇增加，傳統的信息流傳網絡將無法滿足快速響應需求，需要新的、增強型的協同機制與之配合，具體可以從以下幾個方面進行增強。

1）協同融合模式。情報單元間的協同融合過程，涉及到碎片與碎片、碎片與系統之間的融合交互。根據碎片在協同融合過程中的主動意圖，可以將協同融合過程分為顯式和隱式兩種模式。

顯式的協同融合模式是指碎片通過直接或間接的方式與其他碎片進行數據流傳與合作、分配搜索任務等功能。顯式模式下，所有碎片單元以公共的情報需求為基礎，通過信息需求進行協同融合。信息需求可能隨時間和已經獲取的信息而進化，但在整個融合任務過程中，該信息需求為網絡內所有單元所共享并驅動協作單元的融合過程。顯式協同融合的最大特點是為具有相同信息需求的單元群提供一系列支持協調融合行為的功能。隱式的協同融合模式旨在為每個碎片捕獲情報關鍵詞，同時整合興趣信息，并利用信息關聯等方法定位與某一個或某一組碎片有關的其他碎片的相關搜索信息， 進而優化碎片間的協同融合。這類協同融合模式是個性化網絡融合過程，依據單元的需求定制細粒度的鏈接與共享信息。隱式協同融合不但利用與碎片有關的局部性趣信息，而且融合與碎片有關的其他碎片的信息， 通過協同其他碎片的信息來提高協作雙方的融合程度。此外，隱式融合還通過追索和重用碎片的歷史興趣信息來提高單元協同效率。

2）協同融合策略。調度碎片之間的協同策略需要進一步采用先進的底層協同調度算法。例如，協同過濾和推薦算法，可進一步利用碎片的情報索引需求，建立公共服務節點，并將捕獲到的關鍵信息上傳至服務節點，服務節點利用碎片的個性化需求和歷史興趣信息，通過對當前碎片和關聯碎片的捕獲信息進行加工與整理，形成推薦信息，并通過網絡體系傳送給碎片，使其與捕獲引擎默認的返回結果進行有機集成。這不但為碎片推薦了其他碎片的相關歷史興趣信息，也為碎片避免重復分析以前分析過的情報內容起到提醒作用。如商業衛星平臺、軍用衛星平臺偵察到類似的情報信息，則可以將已挖掘的信息推薦給雙方單元進行比對，進一步分析戰場環境的變化信息。

1.3 情報分析突出“機器增強”的3A模式

NGA認為，在多域作戰環境中，原始情報數據內隱含的可用信息將以指數級增長，遠遠超出了人機交互分析處理的能力，如何合理利用3A技術（人工智能Artificial Intelligence、自動化Process Automation和情報人員增強Intelligence Community officer Augmentation）增強情報分析效率是未來占據信息不對稱優勢的 關鍵。

人工智能情報增強主要側重智能分析和智能決策[9]，以情報大數據[10-11]、情報云等平臺為基礎，建立情報圖譜[12]和作戰應用模型，加深機器學習、智能計算、數據挖掘等關鍵領域的研究攻關和技術突破，實現多模異構、多維互聯、自動研判的“人工智能+”型情報分析體系。

情報智能分析，也稱為智能情報體系的“腦層”，指利用人工智能的高性能運算功能，以情報圖譜為基礎從海量、多模態情報數據中挖掘信息并建立相關的情報圖譜，進行情報信息有效管理與結構化表征，組成智能分析結構數據，實現對海量信息的學習、加工、識別與挖掘，進而提高情報分析過程的智能性，同時也提升了情報分析結果的客觀性。重點需要突破認知模型和類腦智能算法，即如何在統一圖譜空間內，利用類腦算法和情報圖譜技術實現多模態情報信息及其關系間的組配，完成挖掘信息與源數據間的智能 提取。

情報智能決策，指利用人工智能的推理與決策能力，提供并優化多模態情報決策結果。在情報圖譜和類腦算法實時學習的基礎上，利用深度確定性、策略梯度、各種深度決策網絡，啟動動態融合的地理空間情報感知，通過多維分布式深度學習方法，產生并優化多樣化情報推薦策略。

圖2是人工智能的情報增強架構，其中數據平臺和情報圖譜為后續的智能分析提供基礎平臺和模型，智能分析是架構的核心和“腦層”，新近提出的類腦理論，可作為增強型方法改善現有分析手段，智能決策層最終輸出決策結果或分析策略。

圖2 人工智能情報分析架構

情報分析自動化是指在盡量少的人工干預情況下，利用智能硬件自動完成情報檢索、情報分析和情報決策的整體流程，其可以解決海量原始數據和決策生成之間的失衡問題，可對各個單元和資源進行優化配置，提高情報挖掘的效率。情報分析自動化的過程主要是基于數據的規律， 對數據進行加工處理、分析挖掘，而這些規律就是知識，包括有效數據的判別與篩選知識、數據結構的相關知識、多源數據的融合知識，信息甄別知識、相關性判斷知識、計量分析知識，以及自然科學和社會科學等專業領域知識。自動化實現過程中，不管是采用機器學習的方式分析情報之間關系，還是人工構建情報知識庫，都是為了讓系統具有更好的自動化處理效果。自動化的程度與情報智能分析方法的進展密切相關，這需要梳理情報任務所面向行業的知識體系，將各類數據庫整合為統一的情報圖譜，并利用知識圖譜技術實現行業情報的推理與應用。

情報人員需要增強推廣聯合化和融合式培養模式，規范軍事情報培訓規范，增加軍種交流等措施。此外，還應豐富情報人員的效能考核方式，一方面，設立專門的評估機構，如美國空軍設立的“情報訓練顧問委員會”，該委員會專門設立了教育與訓練處，負責調查各統計空軍情報部門的反饋意見，根據反饋明確情報訓練的新內容，明確情報教育與情報需求間的一致性；另一方面建立教育培訓與考核制度，如美國陸軍情報中心與學校制定的教育培訓與考核制度——“訓后評估”，設立不同的學員評價標準和考核制度，致力于教學質量的提升。更重要的是設立培訓效果認證制度，認證過程由專業的陸軍各院校的權威專家組成，并且認證程序極為嚴格。美國軍事情報訓練的資格認證體系成為美軍完善教學內容，提升教學質量的重要 方面。

2 新GEOINT體系對陸戰場作戰支援能力提升

2.1 提升陸戰場地理數據獲取與集成式管理能力

地理空間數據是地理空間情報基礎，是客觀描述陸戰場地物地貌、氣象水文和時空分布的重要依據。目前，陸戰場的地理空間數據可分為四級比例尺模式，分別是戰略級（1∶100萬比例尺）、戰役級（1∶25萬比例尺）、戰術級（1∶10萬至1∶1萬比例尺）和城市級 （≥1萬比例尺）。NGA傳統的衛星影像很難滿足城市級影像的實時更新，新的體制中，商業衛星、低軌小衛星的加入將有效提高大比例尺影像數據的獲取能力，并且做到全天候、近實時、全球無縫的覆蓋。這些大比例尺數據可有力支撐陸戰場的戰術級作戰，分發給各保障部門作為生產通用態勢圖的基礎，包括掃描的數字地圖、高程數據、影像以及要素數據。

地理空間數據的管理需要依托企業級地理空間數據庫，并利用基于大數據和云技術的地理空間情報集成平臺，進而實現多軍種、多層次和全域的地理空間數據分發服務，確保各類部隊在遂行多種任務時可共享地理空間數據庫。作戰部署前，地理空間情報可根據戰場環境特點完成數據庫的大部分開發工作。作戰部署準備階段，作戰部隊獲取多元地理空間數據，并裝載到陸戰場保障服務器中。作戰部署后，可根據環境變化特點細粒度更新數據庫或采集新的缺失數據（例如，衛星無法獲取的有遮擋區域或地下設施），以便于制作地理空間產品。形成數據獲取、數據使用、數據更新的應用流程。

2.2 提升陸戰場環境分析與虛擬可視化能力

NGA認為，戰場環境分析是智能情報分析重點解決和突破的環節，智能化情報分析與決策提出是地理空間情報對陸戰場作戰支援的高級形式[13]。

情報圖譜的優勢在于對自然化語言描述的內容進行建模和描述，而作戰環境分析考慮的地物、地貌和氣象條件及其變化等要素非常適合產生情報圖譜。例如，研究陸地戰場環境空間特點，并分析其如何隨作戰態勢發生變化時，通常地形與天氣是環境中對作戰影響最大的兩個自然條件，因此在作戰環境分析時應綜合各種地形和氣象因素，其中作戰環境分析應考慮的天氣因素包括氣溫、濕度、降水量、能見度、風速和云量，地形分析評估自然和人工地物的主要方面包括水文、地勢、土壤成分、植被、障礙物和人工地物。這些自然化的語言要素模式，可充分利用情報圖譜進行建模和描述，進而利用智能分析產生決策信息。

3A增強中的自動化可有力支撐陸戰場環境的可視化。戰場環境可視化是對作戰環境中自然要素分析的藝術化呈現，是輔助指揮決策的重要技術之一，影響到指揮員對地形、氣候的理解和對態勢的認知，包括環境對于敵我能力的影響。

自動化技術提供的環境可視化產品將更多地考慮人的理解和研判要素，其所表現的自然環境信息必須使指揮員和參謀易于解讀，進而輔助他們更好地認識作戰環境并實施決策。例如，針對美軍的標準地理空間產品和專題地理空間產品，可按各自生產標準組成自動化流程，基于情報分析層提供的具體信息組織自動化生產，可按類別提供通用聯合作戰圖、航空圖、地形線劃圖和地理地勢圖等；另外，針對專題地理空間產品，采用自動化的制圖綜合流程，提供越野機動圖、交通線圖、水文分析圖、植被分析圖、土壤地質圖、炮兵射程圖、地勢坡度色調圖、地表物質圖、建筑資源圖、暈渲地貌圖等。此外，還可結合VR技術自動化建立虛擬戰場環境。

2.3 提升陸戰場作戰態勢支援能力

地理空間情報態勢支援指通過戰場情報準備以提高指揮員對戰場環境的認識，進而增加其對戰場態勢的理解。機器增強模式在增強地理空間情報的分析和可視化能力同時，將各種原始信息資料與協作分析的單元、流程和工具整合起來，構建基于情報大數據、情報云的態勢支援體系，地理空間情報分析單元需要融合指揮員的決策需求和研判習慣，確定地理空間信息需求和作戰決策對于專題地理空間產品的需求。指揮人員可以將智能化地理空間情報體系提供的信息依次吸收到他們的運行評價中，依據作戰專業知識和戰場的影響評估友軍和敵軍的能力，確定對作戰的影響，最終從整個共享信息中提煉出通用作戰圖并實現態勢理解，如圖3所示。

圖3 地理空間情報陸戰場態勢支援流程

3 結 語

NGA的運作成功是美軍全球作戰中對時空基準、戰場環境、地理情報需求增長的必然，NGA的技術體制對未來的測繪導航行業發展有很強的借鑒作用。隨著人工智能、大數據等新興科技發展和作戰保障改革的深入，陸戰場測繪導航部隊的保障模式將從單一的生產保障型向生產和遂行保障型進行轉變，研究NGA地理空間情報體系和未來發展趨勢，從中發現地理空間情報保障與陸戰場作戰保障的可能結合點，對陸軍的作戰環境態勢保障有很好的指導作用，并推進現有測繪導航保障模式的轉變。陸戰場作為軍隊實施地理空間情報保障的重要區域，如何融合人工智能、大數據等新興技術、提高作戰保障能力、推出滿足作戰和訓練需要的地理空間情報服務與產品，是亟待解決的問題。